ProHoster > ဘလော့ > အုပ်ချုပ်ရေး > 1.1 ဘီလီယံ တက္ကစီ ခရီးစဉ်များ- 108-core ClickHouse အစုအဝေး

1.1 ဘီလီယံ တက္ကစီ ခရီးစဉ်များ- 108-core ClickHouse အစုအဝေး

ဆောင်းပါး၏ဘာသာပြန်ကို သင်တန်းသားများအတွက် အထူးပြင်ဆင်ထားပါသည်။ ဒေတာအင်ဂျင်နီယာ.

1.1 ဘီလီယံ တက္ကစီ ခရီးစဉ်များ- 108-core ClickHouse အစုအဝေး

အိမ်ကိုနှိပ်ပါ open source columnar database တစ်ခုဖြစ်သည်။ ရာနှင့်ချီသော အကဲခတ်သူများသည် တစ်နေ့လျှင် မှတ်တမ်းအသစ် ဘီလီယံပေါင်းများစွာ ဝင်ရောက်နေသော်လည်း အသေးစိတ်အချက်အလက်များကို လျင်မြန်စွာ မေးမြန်းနိုင်သည့် ကောင်းသောပတ်ဝန်းကျင်တစ်ခုဖြစ်သည်။ ယင်းစနစ်အား ပံ့ပိုးရန်အတွက် အခြေခံအဆောက်အဦ ကုန်ကျစရိတ်သည် တစ်နှစ်လျှင် ဒေါ်လာ ၁၀၀,၀၀၀ အထိ မြင့်မားနိုင်ပြီး အသုံးပြုမှုပေါ်မူတည်၍ ထက်ဝက်ခန့် မြင့်မားနိုင်သည်။ တစ်ကြိမ်တွင်၊ Yandex Metrics မှ ClickHouse တပ်ဆင်မှုတွင် 100 ထရီလီယံစံချိန်များပါရှိသည်။ Yandex အပြင်၊ ClickHouse သည် Bloomberg နှင့် Cloudflare တို့နှင့်လည်း အောင်မြင်မှုရရှိခဲ့သည်။

လွန်ခဲ့တဲ့ နှစ်နှစ်လောက်က ကျွန်တော် လွန်ခဲ့တယ်။ နှိုင်းယှဉ်သုံးသပ်ချက် databases တွေကို စက်တစ်လုံးတည်းနဲ့ သုံးပြီးတော့ ဖြစ်လာတယ်။ အမြန်ဆုံး အခမဲ့ဒေတာဘေ့စဆော့ဖ်ဝဲငါမြင်ဖူးသမျှ။ ထိုအချိန်မှစ၍ ဆော့ဖ်ဝဲအင်ဂျင်နီယာများသည် Kafka၊ HDFS နှင့် ZStandard ချုံ့ခြင်းအတွက် ပံ့ပိုးမှုအပါအဝင် အင်္ဂါရပ်များကို ထည့်သွင်းခြင်းအား မရပ်တန့်ခဲ့ပါ။ ပြီးခဲ့သောနှစ်တွင် ၎င်းတို့သည် cascading compression နည်းလမ်းများကို ပံ့ပိုးပေးပြီး၊ မြစ်ဝကျွန်းပေါ်-မြစ်ဝကျွန်းပေါ်ဒေသ coding ဖြစ်နိုင်တယ်။ အချိန်စီးရီးဒေတာကို ချုံ့သောအခါ၊ အတိုင်းအတာတန်ဖိုးများကို delta ကုဒ်နံပါတ်ကို အသုံးပြု၍ ကောင်းစွာဖိသိပ်နိုင်သော်လည်း ကောင်တာများအတွက် delta-by-delta ကုဒ်ကို အသုံးပြုခြင်းက ပိုကောင်းမည်ဖြစ်သည်။ ကောင်းသောချုံ့မှုသည် ClickHouse ၏စွမ်းဆောင်ရည်အတွက် သော့ချက်ဖြစ်လာသည်။

ClickHouse တွင် ပြင်ပအဖွဲ့အစည်း စာကြည့်တိုက်များ အပါအဝင် C++ ကုဒ်လိုင်းပေါင်း 170 ပါဝင်ပြီး အသေးငယ်ဆုံး ဖြန့်ဝေထားသော ဒေတာဘေ့စ် ကုဒ်ဘေ့စ်များထဲမှ တစ်ခုဖြစ်သည်။ နှိုင်းယှဉ်ကြည့်လျှင် SQLite သည် ဖြန့်ဖြူးမှုကို မပံ့ပိုးနိုင်ဘဲ C ကုဒ် လိုင်းပေါင်း 235 ပါဝင်ပါသည်။ ဤရေးသားမှုအရ အင်ဂျင်နီယာ 207 ဦးသည် ClickHouse ကို ပံ့ပိုးပေးခဲ့ပြီး ကွန်မန့်များ၏ ပြင်းထန်မှုသည် မကြာသေးမီက တိုးလာခဲ့သည်။

2017 ခုနှစ် မတ်လတွင် ClickHouse ကို စတင်ဆောင်ရွက်ခဲ့ပါသည်။ ပြောင်းလဲမှုမှတ်တမ်း ဖွံ့ဖြိုးတိုးတက်မှုခြေရာခံရန်လွယ်ကူသောနည်းလမ်းအဖြစ်။ ၎င်းတို့သည် monolithic documentation file ကို Markdown-based file hierarchy အဖြစ် ခွဲထုတ်ပါသည်။ ပြဿနာများနှင့် အင်္ဂါရပ်များကို GitHub မှတစ်ဆင့် ခြေရာခံပြီး ယေဘုယျအားဖြင့် ဆော့ဖ်ဝဲသည် ပြီးခဲ့သည့်နှစ်အနည်းငယ်အတွင်း ပိုမိုသုံးစွဲနိုင်လာသည်။

ဤဆောင်းပါးတွင်၊ 2-core ပရိုဆက်ဆာများနှင့် NVMe သိုလှောင်မှုအသုံးပြုထားသော AWS EC36 ရှိ ClickHouse အစုအဝေး၏စွမ်းဆောင်ရည်ကို လေ့လာကြည့်ပါမည်။

အပ်ဒိတ်- ဤပို့စ်ကို မူလထုတ်ဝေပြီးနောက် တစ်ပတ်အကြာတွင်၊ ကျွန်ုပ်သည် ပိုမိုကောင်းမွန်သော ဖွဲ့စည်းမှုစနစ်ဖြင့် စမ်းသပ်မှုကို ပြန်လည်လုပ်ဆောင်ခဲ့ပြီး ပိုမိုကောင်းမွန်သောရလဒ်များကို ရရှိခဲ့သည်။ ဤအပြောင်းအလဲများကို ထင်ဟပ်စေရန် ဤပို့စ်ကို အပ်ဒိတ်လုပ်ထားပါသည်။

AWS EC2 Cluster ကိုဖွင့်နေပါသည်။

ဤပို့စ်အတွက် ကျွန်ုပ်သည် c5d.9xlarge EC2 ဖြစ်ရပ်သုံးခုကို အသုံးပြုပါမည်။ ၎င်းတို့တစ်ခုစီတွင် virtual CPU 36 လုံး၊ 72 GB RAM ၊ 900 GB NVMe SSD သိုလှောင်မှု နှင့် 10 Gigabit ကွန်ရက်ကို ပံ့ပိုးပေးပါသည်။ eu-west-1,962 ဒေသတွင် ဝယ်လိုအားဖြင့် လုပ်ဆောင်နေချိန်တွင် ၎င်းတို့သည် တစ်နာရီလျှင် $1 ကုန်ကျသည်။ ကျွန်ုပ်သည် Ubuntu Server 16.04 LTS ကို လည်ပတ်မှုစနစ်အဖြစ် အသုံးပြုပါမည်။

စက်တစ်ခုစီသည် ကန့်သတ်ချက်များမရှိဘဲ အပြန်အလှန်ဆက်သွယ်နိုင်စေရန်အတွက် firewall ကို configure ထားပြီး၊ ကျွန်ုပ်၏ IPv4 လိပ်စာကိုသာ အစုအဝေးတွင် SSH မှ တရားဝင်စာရင်းသွင်းထားသည်။

လည်ပတ်ရန် အဆင်သင့်အခြေအနေတွင် NVMe မောင်းနှင်မှု

ClickHouse အလုပ်လုပ်ရန်အတွက်၊ ဆာဗာတစ်ခုစီရှိ NVMe drive တစ်ခုတွင် EXT4 ဖော်မတ်ဖြင့် ဖိုင်စနစ်တစ်ခုကို ဖန်တီးပါမည်။

$ sudo mkfs -t ext4 /dev/nvme1n1
$ sudo mkdir /ch
$ sudo mount /dev/nvme1n1 /ch

အရာအားလုံးကိုပြင်ဆင်ပြီးသည်နှင့်၊ စနစ်တစ်ခုစီတွင်ရရှိနိုင်သည့် mount point နှင့် 783 GB space ကိုသင်တွေ့မြင်နိုင်သည်။

$ lsblk

NAME        MAJ:MIN RM   SIZE RO TYPE MOUNTPOINT
loop0         7:0    0  87.9M  1 loop /snap/core/5742
loop1         7:1    0  16.5M  1 loop /snap/amazon-ssm-agent/784
nvme0n1     259:1    0     8G  0 disk
└─nvme0n1p1 259:2    0     8G  0 part /
nvme1n1     259:0    0 838.2G  0 disk /ch

$ df -h

Filesystem      Size  Used Avail Use% Mounted on
udev             35G     0   35G   0% /dev
tmpfs           6.9G  8.8M  6.9G   1% /run
/dev/nvme0n1p1  7.7G  967M  6.8G  13% /
tmpfs            35G     0   35G   0% /dev/shm
tmpfs           5.0M     0  5.0M   0% /run/lock
tmpfs            35G     0   35G   0% /sys/fs/cgroup
/dev/loop0       88M   88M     0 100% /snap/core/5742
/dev/loop1       17M   17M     0 100% /snap/amazon-ssm-agent/784
tmpfs           6.9G     0  6.9G   0% /run/user/1000
/dev/nvme1n1    825G   73M  783G   1% /ch

ဤစမ်းသပ်မှုတွင် ကျွန်ုပ်အသုံးပြုမည့် ဒေတာအတွဲသည် ခြောက်နှစ်အတွင်း နယူးယောက်စီးတီးတွင် တက္ကစီစီးမှု 1.1 ဘီလီယံမှ ထုတ်ပေးထားသော ဒေတာအမှိုက်ပုံးဖြစ်သည်။ ဘလော့ပေါ်မှာ Redshift ရှိ One Billion Taxi ခရီးစဉ်များ ဤဒေတာအတွဲကို ကျွန်ုပ်မည်ကဲ့သို့ စုဆောင်းပုံ အသေးစိတ်ကို ၎င်းတို့ကို AWS S3 တွင် သိမ်းဆည်းထားသောကြောင့် ကျွန်ုပ်၏ဝင်ရောက်ခွင့်နှင့် လျှို့ဝှက်သော့များဖြင့် AWS CLI ကို ပြင်ဆင်သတ်မှတ်ပါမည်။

$ sudo apt update
$ sudo apt install awscli
$ aws configure

ဖိုင်များကို မူရင်းဆက်တင်များထက် ပိုမိုမြန်ဆန်စွာ ဒေါင်းလုဒ်လုပ်နိုင်ရန် ကလိုင်းယင့်၏ တစ်ပြိုင်တည်းတောင်းဆိုမှုကန့်သတ်ချက်ကို 100 တွင် သတ်မှတ်ပေးပါမည်။

$ aws configure set 
    default.s3.max_concurrent_requests 
    100

AWS S3 မှ တက္ကစီစီးနင်းမှုဒေတာအစုံကို ဒေါင်းလုဒ်လုပ်ပြီး ၎င်းကို ပထမဆုံးဆာဗာရှိ NVMe ဒရိုက်ပေါ်တွင် သိမ်းဆည်းပါမည်။ ဤဒေတာအတွဲသည် GZIP-ချုံ့ထားသော CSV ဖော်မတ်တွင် ~104GB ဖြစ်သည်။

$ sudo mkdir -p /ch/csv
$ sudo chown -R ubuntu /ch/csv
$ aws s3 sync s3://<bucket>/csv /ch/csv

ClickHouse တပ်ဆင်ခြင်း။

စက်သုံးစက်လုံးတွင် ClickHouse ၏ဖြန့်ဝေတပ်ဆင်မှုအတွက်လိုအပ်သော Apache ZooKeeper ကို run ရန်လိုအပ်သောကြောင့် Java 8 အတွက် OpenJDK ဖြန့်ဖြူးမှုကို ထည့်သွင်းပါမည်။

$ sudo apt update
$ sudo apt install 
    openjdk-8-jre 
    openjdk-8-jdk-headless

ထို့နောက် ကျွန်တော်သည် Environment variable ကို သတ်မှတ်လိုက်သည်။ JAVA_HOME.

$ sudo vi /etc/profile
 
export JAVA_HOME=/usr
 
$ source /etc/profile

ထို့နောက် စက်သုံးစက်စလုံးတွင် ClickHouse 18.16.1၊ အကြည့်နှင့် ZooKeeper ကို ထည့်သွင်းရန် Ubuntu ၏ ပက်ကေ့ဂျ်စီမံခန့်ခွဲမှုစနစ်ကို အသုံးပြုပါမည်။

$ sudo apt-key adv 
    --keyserver hkp://keyserver.ubuntu.com:80 
    --recv E0C56BD4
$ echo "deb http://repo.yandex.ru/clickhouse/deb/stable/ main/" | 
    sudo tee /etc/apt/sources.list.d/clickhouse.list
$ sudo apt-get update

$ sudo apt install 
    clickhouse-client 
    clickhouse-server 
    glances 
    zookeeperd

ClickHouse အတွက် လမ်းညွှန်တစ်ခုကို ဖန်တီးပြီး ဆာဗာသုံးခုလုံးတွင် ပြုပြင်မှုအချို့ကို ထပ်လောင်းလုပ်ပါမည်။

$ sudo mkdir /ch/clickhouse
$ sudo chown -R clickhouse /ch/clickhouse

$ sudo mkdir -p /etc/clickhouse-server/conf.d
$ sudo vi /etc/clickhouse-server/conf.d/taxis.conf

ဤအရာများသည် ကျွန်ုပ်အသုံးပြုမည့် ဖွဲ့စည်းမှုပုံစံကို ကျော်လွန်သွားပါသည်။

<?xml version="1.0"?>
<yandex>
    <listen_host>0.0.0.0</listen_host>
    <path>/ch/clickhouse/</path>


 <remote_servers>
        <perftest_3shards>
            <shard>
                <replica>
                    <host>172.30.2.192</host>
                    <port>9000</port>
                 </replica>
            </shard>
            <shard>
                 <replica>
                    <host>172.30.2.162</host>
                    <port>9000</port>
                 </replica>
            </shard>
            <shard>
                 <replica>
                    <host>172.30.2.36</host>
                    <port>9000</port>
                 </replica>
            </shard>
        </perftest_3shards>
    </remote_servers>

  <zookeeper-servers>
        <node>
            <host>172.30.2.192</host>
            <port>2181</port>
        </node>
        <node>
            <host>172.30.2.162</host>
            <port>2181</port>
        </node>
        <node>
            <host>172.30.2.36</host>
            <port>2181</port>
        </node>
    </zookeeper-servers>

 <macros>
        <shard>03</shard>
        <replica>01</replica>
    </macros>
</yandex>

ထို့နောက် စက်သုံးမျိုးလုံးတွင် ZooKeeper နှင့် ClickHouse ဆာဗာကို ကျွန်ုပ် run ပါမည်။

$ sudo /etc/init.d/zookeeper start
$ sudo service clickhouse-server start

ဒေတာကို ClickHouse သို့ အပ်လုဒ်လုပ်ခြင်း။

ပထမဆုံး ဆာဗာတွင် ကျွန်ုပ်သည် ခရီးဇယားတစ်ခု ဖန်တီးမည် (tripsLog အင်ဂျင်ကို အသုံးပြု၍ တက္ကစီ ခရီးစဉ်များ၏ ဒေတာအစုံကို သိမ်းဆည်းပါမည်။

$ clickhouse-client --host=0.0.0.0
 
CREATE TABLE trips (
    trip_id                 UInt32,
    vendor_id               String,

    pickup_datetime         DateTime,
    dropoff_datetime        Nullable(DateTime),

    store_and_fwd_flag      Nullable(FixedString(1)),
    rate_code_id            Nullable(UInt8),
    pickup_longitude        Nullable(Float64),
    pickup_latitude         Nullable(Float64),
    dropoff_longitude       Nullable(Float64),
    dropoff_latitude        Nullable(Float64),
    passenger_count         Nullable(UInt8),
    trip_distance           Nullable(Float64),
    fare_amount             Nullable(Float32),
    extra                   Nullable(Float32),
    mta_tax                 Nullable(Float32),
    tip_amount              Nullable(Float32),
    tolls_amount            Nullable(Float32),
    ehail_fee               Nullable(Float32),
    improvement_surcharge   Nullable(Float32),
    total_amount            Nullable(Float32),
    payment_type            Nullable(String),
    trip_type               Nullable(UInt8),
    pickup                  Nullable(String),
    dropoff                 Nullable(String),

    cab_type                Nullable(String),

    precipitation           Nullable(Int8),
    snow_depth              Nullable(Int8),
    snowfall                Nullable(Int8),
    max_temperature         Nullable(Int8),
    min_temperature         Nullable(Int8),
    average_wind_speed      Nullable(Int8),

    pickup_nyct2010_gid     Nullable(Int8),
    pickup_ctlabel          Nullable(String),
    pickup_borocode         Nullable(Int8),
    pickup_boroname         Nullable(String),
    pickup_ct2010           Nullable(String),
    pickup_boroct2010       Nullable(String),
    pickup_cdeligibil       Nullable(FixedString(1)),
    pickup_ntacode          Nullable(String),
    pickup_ntaname          Nullable(String),
    pickup_puma             Nullable(String),

    dropoff_nyct2010_gid    Nullable(UInt8),
    dropoff_ctlabel         Nullable(String),
    dropoff_borocode        Nullable(UInt8),
    dropoff_boroname        Nullable(String),
    dropoff_ct2010          Nullable(String),
    dropoff_boroct2010      Nullable(String),
    dropoff_cdeligibil      Nullable(String),
    dropoff_ntacode         Nullable(String),
    dropoff_ntaname         Nullable(String),
    dropoff_puma            Nullable(String)
) ENGINE = Log;

ထို့နောက် ကျွန်ုပ်သည် CSV ဖိုင်များကို ခရီးစဉ်ဇယားတစ်ခုစီသို့ ထုတ်ယူပြီး တင်ပါ (trips) အောက်ပါတို့ကို 55 မိနစ်နှင့် 10 စက္ကန့်အတွင်းပြီးစီးခဲ့သည်။ ဤလုပ်ဆောင်ချက်ပြီးနောက်၊ ဒေတာလမ်းညွှန်၏အရွယ်အစားမှာ 134 GB ဖြစ်သည်။

$ time (for FILENAME in /ch/csv/trips_x*.csv.gz; do
            echo $FILENAME
            gunzip -c $FILENAME | 
                clickhouse-client 
                    --host=0.0.0.0 
                    --query="INSERT INTO trips FORMAT CSV"
        done)

တင်သွင်းမှုအမြန်နှုန်းသည် တစ်စက္ကန့်လျှင် ဖိသိပ်မထားသော CSV အကြောင်းအရာ၏ 155 MB ဖြစ်သည်။ ၎င်းသည် GZIP နှိမ့်ချမှုတွင် ပိတ်ဆို့မှုကြောင့်ဟု ကျွန်တော် သံသယရှိသည်။ xargs ကို အသုံးပြု၍ အပြိုင် gzipped ဖိုင်များအားလုံးကို ဇစ်ဖွင့်ပြီးနောက် ဇစ်ဖွင့်ထားသည့်ဒေတာကို တင်ရန် ပိုမိုမြန်ဆန်နိုင်သည်။ အောက်တွင် CSV တင်သွင်းခြင်းလုပ်ငန်းစဉ်အတွင်း အစီရင်ခံတင်ပြထားသည်များကို အောက်တွင်ဖော်ပြထားသည်။

$ sudo glances

ip-172-30-2-200 (Ubuntu 16.04 64bit / Linux 4.4.0-1072-aws)                                                                                                 Uptime: 0:11:42
CPU       8.2%  nice:     0.0%                           LOAD    36-core                           MEM      9.8%  active:    5.20G                           SWAP      0.0%
user:     6.0%  irq:      0.0%                           1 min:    2.24                            total:  68.7G  inactive:  61.0G                           total:       0
system:   0.9%  iowait:   1.3%                           5 min:    1.83                            used:   6.71G  buffers:   66.4M                           used:        0
idle:    91.8%  steal:    0.0%                           15 min:   1.01                            free:   62.0G  cached:    61.6G                           free:        0

NETWORK     Rx/s   Tx/s   TASKS 370 (507 thr), 2 run, 368 slp, 0 oth sorted automatically by cpu_percent, flat view
ens5        136b    2Kb
lo         343Mb  343Mb     CPU%  MEM%  VIRT   RES   PID USER        NI S    TIME+ IOR/s IOW/s Command
                           100.4   1.5 1.65G 1.06G  9909 ubuntu       0 S  1:01.33     0     0 clickhouse-client --host=0.0.0.0 --query=INSERT INTO trips FORMAT CSV
DISK I/O     R/s    W/s     85.1   0.0 4.65M  708K  9908 ubuntu       0 R  0:50.60   32M     0 gzip -d -c /ch/csv/trips_xac.csv.gz
loop0          0      0     54.9   5.1 8.14G 3.49G  8091 clickhous    0 S  1:44.23     0   45M /usr/bin/clickhouse-server --config=/etc/clickhouse-server/config.xml
loop1          0      0      4.5   0.0     0     0   319 root         0 S  0:07.50    1K     0 kworker/u72:2
nvme0n1        0     3K      2.3   0.0 91.1M 28.9M  9912 root         0 R  0:01.56     0     0 /usr/bin/python3 /usr/bin/glances
nvme0n1p1      0     3K      0.3   0.0     0     0   960 root       -20 S  0:00.10     0     0 kworker/28:1H
nvme1n1    32.1M   495M      0.3   0.0     0     0  1058 root       -20 S  0:00.90     0     0 kworker/23:1H

ဆက်လက်မလုပ်ဆောင်မီ မူရင်း CSV ဖိုင်များကို ဖျက်ခြင်းဖြင့် NVMe drive တွင် နေရာလွတ်လုပ်ပါမည်။

$ sudo rm -fr /ch/csv

ကော်လံပုံစံသို့ ပြောင်းပါ။

Log ClickHouse အင်ဂျင်သည် ဒေတာများကို အတန်းအသားပေးဖော်မတ်ဖြင့် သိမ်းဆည်းမည်ဖြစ်သည်။ ဒေတာကို ပိုမိုမြန်ဆန်စွာ စုံစမ်းရန်၊ ၎င်းကို MergeTree အင်ဂျင်ကို အသုံးပြု၍ ကော်လံဘားဖော်မတ်သို့ ပြောင်းလဲပါသည်။

$ clickhouse-client --host=0.0.0.0

အောက်ပါတို့ကို ၃၄ မိနစ်နှင့် စက္ကန့် ၅၀ တွင် ပြီးမြောက်ခဲ့သည်။ ဤလုပ်ဆောင်ချက်ပြီးနောက်၊ ဒေတာလမ်းညွှန်၏အရွယ်အစားမှာ 34 GB ဖြစ်သည်။

CREATE TABLE trips_mergetree
    ENGINE = MergeTree(pickup_date, pickup_datetime, 8192)
    AS SELECT
        trip_id,
        CAST(vendor_id AS Enum8('1' = 1,
                                '2' = 2,
                                'CMT' = 3,
                                'VTS' = 4,
                                'DDS' = 5,
                                'B02512' = 10,
                                'B02598' = 11,
                                'B02617' = 12,
                                'B02682' = 13,
                                'B02764' = 14)) AS vendor_id,
        toDate(pickup_datetime)                 AS pickup_date,
        ifNull(pickup_datetime, toDateTime(0))  AS pickup_datetime,
        toDate(dropoff_datetime)                AS dropoff_date,
        ifNull(dropoff_datetime, toDateTime(0)) AS dropoff_datetime,
        assumeNotNull(store_and_fwd_flag)       AS store_and_fwd_flag,
        assumeNotNull(rate_code_id)             AS rate_code_id,

        assumeNotNull(pickup_longitude)         AS pickup_longitude,
        assumeNotNull(pickup_latitude)          AS pickup_latitude,
        assumeNotNull(dropoff_longitude)        AS dropoff_longitude,
        assumeNotNull(dropoff_latitude)         AS dropoff_latitude,
        assumeNotNull(passenger_count)          AS passenger_count,
        assumeNotNull(trip_distance)            AS trip_distance,
        assumeNotNull(fare_amount)              AS fare_amount,
        assumeNotNull(extra)                    AS extra,
        assumeNotNull(mta_tax)                  AS mta_tax,
        assumeNotNull(tip_amount)               AS tip_amount,
        assumeNotNull(tolls_amount)             AS tolls_amount,
        assumeNotNull(ehail_fee)                AS ehail_fee,
        assumeNotNull(improvement_surcharge)    AS improvement_surcharge,
        assumeNotNull(total_amount)             AS total_amount,
        assumeNotNull(payment_type)             AS payment_type_,
        assumeNotNull(trip_type)                AS trip_type,

        pickup AS pickup,
        pickup AS dropoff,

        CAST(assumeNotNull(cab_type)
            AS Enum8('yellow' = 1, 'green' = 2))
                                AS cab_type,

        precipitation           AS precipitation,
        snow_depth              AS snow_depth,
        snowfall                AS snowfall,
        max_temperature         AS max_temperature,
        min_temperature         AS min_temperature,
        average_wind_speed      AS average_wind_speed,

        pickup_nyct2010_gid     AS pickup_nyct2010_gid,
        pickup_ctlabel          AS pickup_ctlabel,
        pickup_borocode         AS pickup_borocode,
        pickup_boroname         AS pickup_boroname,
        pickup_ct2010           AS pickup_ct2010,
        pickup_boroct2010       AS pickup_boroct2010,
        pickup_cdeligibil       AS pickup_cdeligibil,
        pickup_ntacode          AS pickup_ntacode,
        pickup_ntaname          AS pickup_ntaname,
        pickup_puma             AS pickup_puma,

        dropoff_nyct2010_gid    AS dropoff_nyct2010_gid,
        dropoff_ctlabel         AS dropoff_ctlabel,
        dropoff_borocode        AS dropoff_borocode,
        dropoff_boroname        AS dropoff_boroname,
        dropoff_ct2010          AS dropoff_ct2010,
        dropoff_boroct2010      AS dropoff_boroct2010,
        dropoff_cdeligibil      AS dropoff_cdeligibil,
        dropoff_ntacode         AS dropoff_ntacode,
        dropoff_ntaname         AS dropoff_ntaname,
        dropoff_puma            AS dropoff_puma
    FROM trips;

၎င်းသည် လည်ပတ်နေစဉ်အတွင်း တစ်ချက်ကြည့်ခြင်းအထွက်အား မြင်တွေ့ရသည်-

ip-172-30-2-200 (Ubuntu 16.04 64bit / Linux 4.4.0-1072-aws)                                                                                                 Uptime: 1:06:09
CPU      10.3%  nice:     0.0%                           LOAD    36-core                           MEM     16.1%  active:    13.3G                           SWAP      0.0%
user:     7.9%  irq:      0.0%                           1 min:    1.87                            total:  68.7G  inactive:  52.8G                           total:       0
system:   1.6%  iowait:   0.8%                           5 min:    1.76                            used:   11.1G  buffers:   71.8M                           used:        0
idle:    89.7%  steal:    0.0%                           15 min:   1.95                            free:   57.6G  cached:    57.2G                           free:        0

NETWORK     Rx/s   Tx/s   TASKS 367 (523 thr), 1 run, 366 slp, 0 oth sorted automatically by cpu_percent, flat view
ens5         1Kb    8Kb
lo           2Kb    2Kb     CPU%  MEM%  VIRT   RES   PID USER        NI S    TIME+ IOR/s IOW/s Command
                           241.9  12.8 20.7G 8.78G  8091 clickhous    0 S 30:36.73   34M  125M /usr/bin/clickhouse-server --config=/etc/clickhouse-server/config.xml
DISK I/O     R/s    W/s      2.6   0.0 90.4M 28.3M  9948 root         0 R  1:18.53     0     0 /usr/bin/python3 /usr/bin/glances
loop0          0      0      1.3   0.0     0     0   203 root         0 S  0:09.82     0     0 kswapd0
loop1          0      0      0.3   0.1  315M 61.3M 15701 ubuntu       0 S  0:00.40     0     0 clickhouse-client --host=0.0.0.0
nvme0n1        0     3K      0.3   0.0     0     0     7 root         0 S  0:00.83     0     0 rcu_sched
nvme0n1p1      0     3K      0.0   0.0     0     0   142 root         0 S  0:00.22     0     0 migration/27
nvme1n1    25.8M   330M      0.0   0.0 59.7M 1.79M  2764 ubuntu       0 S  0:00.00     0     0 (sd-pam)

နောက်ဆုံးစမ်းသပ်မှုတွင် ကော်လံအများအပြားကို ပြောင်းလဲပြီး ပြန်လည်တွက်ချက်ခဲ့သည်။ ဤလုပ်ဆောင်ချက်အချို့သည် ဤဒေတာအတွဲတွင် မျှော်လင့်ထားသည့်အတိုင်း အလုပ်မဖြစ်တော့ကြောင်း ကျွန်ုပ်တွေ့ရှိခဲ့သည်။ ဤပြဿနာကိုဖြေရှင်းရန်၊ ကျွန်ုပ်သည် မသင့်လျော်သောလုပ်ဆောင်ချက်များကို ဖယ်ရှားပြီး အသေးစိတ်အမျိုးအစားများသို့ မပြောင်းဘဲ ဒေတာကို တင်ခဲ့သည်။

အစုအဖွဲ့အနှံ့ ဒေတာဖြန့်ဝေခြင်း။

ကျွန်ုပ်သည် အစုအဝေး သုံးခုလုံးတွင် ဒေတာကို ဖြန့်ဝေပါမည်။ စတင်ရန်၊ အောက်တွင် ကျွန်ုပ်သည် စက်သုံးမျိုးလုံးတွင် ဇယားတစ်ခုကို ဖန်တီးပါမည်။

$ clickhouse-client --host=0.0.0.0

CREATE TABLE trips_mergetree_third (
    trip_id                 UInt32,
    vendor_id               String,
    pickup_date             Date,
    pickup_datetime         DateTime,
    dropoff_date            Date,
    dropoff_datetime        Nullable(DateTime),
    store_and_fwd_flag      Nullable(FixedString(1)),
    rate_code_id            Nullable(UInt8),
    pickup_longitude        Nullable(Float64),
    pickup_latitude         Nullable(Float64),
    dropoff_longitude       Nullable(Float64),
    dropoff_latitude        Nullable(Float64),
    passenger_count         Nullable(UInt8),
    trip_distance           Nullable(Float64),
    fare_amount             Nullable(Float32),
    extra                   Nullable(Float32),
    mta_tax                 Nullable(Float32),
    tip_amount              Nullable(Float32),
    tolls_amount            Nullable(Float32),
    ehail_fee               Nullable(Float32),
    improvement_surcharge   Nullable(Float32),
    total_amount            Nullable(Float32),
    payment_type            Nullable(String),
    trip_type               Nullable(UInt8),
    pickup                  Nullable(String),
    dropoff                 Nullable(String),

    cab_type                Nullable(String),

    precipitation           Nullable(Int8),
    snow_depth              Nullable(Int8),
    snowfall                Nullable(Int8),
    max_temperature         Nullable(Int8),
    min_temperature         Nullable(Int8),
    average_wind_speed      Nullable(Int8),

    pickup_nyct2010_gid     Nullable(Int8),
    pickup_ctlabel          Nullable(String),
    pickup_borocode         Nullable(Int8),
    pickup_boroname         Nullable(String),
    pickup_ct2010           Nullable(String),
    pickup_boroct2010       Nullable(String),
    pickup_cdeligibil       Nullable(FixedString(1)),
    pickup_ntacode          Nullable(String),
    pickup_ntaname          Nullable(String),
    pickup_puma             Nullable(String),

    dropoff_nyct2010_gid    Nullable(UInt8),
    dropoff_ctlabel         Nullable(String),
    dropoff_borocode        Nullable(UInt8),
    dropoff_boroname        Nullable(String),
    dropoff_ct2010          Nullable(String),
    dropoff_boroct2010      Nullable(String),
    dropoff_cdeligibil      Nullable(String),
    dropoff_ntacode         Nullable(String),
    dropoff_ntaname         Nullable(String),
    dropoff_puma            Nullable(String)
) ENGINE = MergeTree(pickup_date, pickup_datetime, 8192);

ထို့နောက် ပထမ server သည် cluster အတွင်းရှိ node သုံးခုလုံးကို မြင်နိုင်စေရန် သေချာစေမည်ဖြစ်သည်။

SELECT *
FROM system.clusters
WHERE cluster = 'perftest_3shards'
FORMAT Vertical;
Row 1:
──────
cluster:          perftest_3shards
shard_num:        1
shard_weight:     1
replica_num:      1
host_name:        172.30.2.192
host_address:     172.30.2.192
port:             9000
is_local:         1
user:             default
default_database:
Row 2:
──────
cluster:          perftest_3shards
shard_num:        2
shard_weight:     1
replica_num:      1
host_name:        172.30.2.162
host_address:     172.30.2.162
port:             9000
is_local:         0
user:             default
default_database:

Row 3:
──────
cluster:          perftest_3shards
shard_num:        3
shard_weight:     1
replica_num:      1
host_name:        172.30.2.36
host_address:     172.30.2.36
port:             9000
is_local:         0
user:             default
default_database:

ထို့နောက် schema ကိုအခြေခံသည့် ပထမဆုံးဆာဗာတွင် ဇယားအသစ်တစ်ခုကို ကျွန်ုပ်သတ်မှတ်ပါမည်။ trips_mergetree_third နှင့် Distributed အင်ဂျင်ကိုအသုံးပြုသည်။

CREATE TABLE trips_mergetree_x3
    AS trips_mergetree_third
    ENGINE = Distributed(perftest_3shards,
                         default,
                         trips_mergetree_third,
                         rand());

ထို့နောက် ကျွန်ုပ်သည် MergeTree အခြေခံဇယားမှ အချက်အလက်များကို ဆာဗာသုံးခုလုံးသို့ ကူးယူပါမည်။ အောက်ပါတို့ကို ၃၄ မိနစ်နှင့် ၄၄ စက္ကန့်အတွင်း ပြီးမြောက်ခဲ့သည်။

INSERT INTO trips_mergetree_x3
    SELECT * FROM trips_mergetree;

အထက်ဖော်ပြပါလုပ်ဆောင်ချက်ပြီးနောက်၊ အမြင့်ဆုံးသိုလှောင်မှုအဆင့်အမှတ်အသားမှ အဝေးသို့ရွှေ့ရန် ClickHouse ကို 15 မိနစ်ပေးခဲ့သည်။ ဒေတာလမ်းညွှန်များသည် ဆာဗာသုံးခုစီတွင် 264 GB၊ 34 GB နှင့် 33 GB အသီးသီးရှိသည်။

ClickHouse အစုအဝေး စွမ်းဆောင်ရည် အကဲဖြတ်ခြင်း။

နောက်တွေ့ခဲ့တာက စားပွဲတစ်ခုပေါ်မှာ မေးခွန်းတစ်ခုစီကို အကြိမ်ပေါင်းများစွာ လည်ပတ်နေတာတွေ့ဖူးတဲ့ အမြန်ဆုံးအချိန်ပါပဲ။ trips_mergetree_x3.

$ clickhouse-client --host=0.0.0.0

အောက်ပါတို့သည် 2.449 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT cab_type, count(*)
FROM trips_mergetree_x3
GROUP BY cab_type;

အောက်ပါတို့သည် 0.691 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT passenger_count,
       avg(total_amount)
FROM trips_mergetree_x3
GROUP BY passenger_count;

အောက်ပါတို့သည် 0 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT passenger_count,
       toYear(pickup_date) AS year,
       count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
         year;

အောက်ပါတို့သည် 0.983 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT passenger_count,
       toYear(pickup_date) AS year,
       round(trip_distance) AS distance,
       count(*)
FROM trips_mergetree_x3
GROUP BY passenger_count,
         year,
         distance
ORDER BY year,
         count(*) DESC;

နှိုင်းယှဉ်မှုအတွက်၊ ပထမဆာဗာတွင်သာရှိသော MergeTree-based ဇယားတွင် အလားတူမေးခွန်းများကို လုပ်ဆောင်ခဲ့သည်။

ClickHouse node တစ်ခု၏စွမ်းဆောင်ရည်အကဲဖြတ်ခြင်း။

နောက်တွေ့ခဲ့တာက စားပွဲတစ်ခုပေါ်မှာ မေးခွန်းတစ်ခုစီကို အကြိမ်ပေါင်းများစွာ လည်ပတ်နေတာတွေ့ဖူးတဲ့ အမြန်ဆုံးအချိန်ပါပဲ။ trips_mergetree_x3.

အောက်ပါတို့သည် 0.241 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT cab_type, count(*)
FROM trips_mergetree
GROUP BY cab_type;

အောက်ပါတို့သည် 0.826 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT passenger_count,
       avg(total_amount)
FROM trips_mergetree
GROUP BY passenger_count;

အောက်ပါတို့သည် 1.209 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT passenger_count,
       toYear(pickup_date) AS year,
       count(*)
FROM trips_mergetree
GROUP BY passenger_count,
         year;

အောက်ပါတို့သည် 1.781 စက္ကန့်အတွင်း ပြီးစီးခဲ့သည်။

SELECT passenger_count,
       toYear(pickup_date) AS year,
       round(trip_distance) AS distance,
       count(*)
FROM trips_mergetree
GROUP BY passenger_count,
         year,
         distance
ORDER BY year,
         count(*) DESC;

ရလဒ်များအပေါ်သုံးသပ်ချက်များ

အခမဲ့ CPU-based ဒေတာဘေ့စ်သည် ကျွန်ုပ်၏စမ်းသပ်မှုများတွင် GPU-based ဒေတာဘေ့စ်ထက် သာလွန်အောင်လုပ်ဆောင်နိုင်ခဲ့သည်မှာ ပထမဆုံးအကြိမ်ဖြစ်သည်။ ထို GPU-based ဒေတာဘေ့စ်သည် ထိုအချိန်မှစ၍ ပြန်လည်ပြင်ဆင်မှု နှစ်ခုကို ဖြတ်သန်းခဲ့ပြီးဖြစ်သော်လည်း ClickHouse သည် node တစ်ခုတည်းတွင် ပေးပို့သည့်စွမ်းဆောင်ရည်သည် အလွန်အထင်ကြီးစရာကောင်းသည်။

တစ်ချိန်တည်းမှာပင်၊ ဖြန့်ဝေထားသောအင်ဂျင်တွင် Query 1 ကိုလုပ်ဆောင်သောအခါတွင်၊ ကုန်ကျစရိတ်များသည် ပြင်းအားပိုမိုမြင့်မားသည်။ အစုအဝေးသို့ နောက်ထပ် node များထည့်လိုက်သည်နှင့် query time များ ကျဆင်းသွားသည်ကို တွေ့ရသဖြင့် ဤပို့စ်အတွက် ကျွန်ုပ်၏ သုတေသနတွင် တစ်စုံတစ်ရာ လွတ်သွားလိမ့်မည်ဟု မျှော်လင့်ပါသည်။ သို့သော်၊ အခြားမေးခွန်းများကိုလုပ်ဆောင်သောအခါ၊ စွမ်းဆောင်ရည် ၂ ဆခန့်တိုးလာခြင်းသည် ကောင်းမွန်ပါသည်။

ClickHouse သည် သိုလှောင်မှုနှင့် တွက်ချက်မှုများကို သီးခြားစီစကေးချနိုင်စေရန်အတွက် ၎င်းတို့သည် လွတ်လပ်စွာ အတိုင်းအတာအထိ တိုးတက်ပြောင်းလဲလာသည်ကို မြင်တွေ့ရသည်မှာ ကောင်းပါတယ်။ ပြီးခဲ့သောနှစ်တွင် ထည့်သွင်းခဲ့သည့် HDFS ပံ့ပိုးမှုသည် ၎င်းအတွက် ခြေလှမ်းတစ်ခု ဖြစ်နိုင်သည်။ ကွန်ပြူတာ၏စည်းကမ်းချက်များအရ၊ တစ်ခုတည်းသော query တစ်ခုအား အစုအဝေးသို့ နောက်ထပ် node များထည့်ခြင်းဖြင့် အရှိန်မြှင့်နိုင်လျှင် ဤဆော့ဖ်ဝဲလ်၏အနာဂတ်သည် အလွန်တောက်ပနေပါသည်။

ဒီပို့စ်ကို အချိန်ပေးပြီး ဖတ်ပေးတဲ့အတွက် ကျေးဇူးတင်ပါတယ်။ ကျွန်ုပ်သည် မြောက်အမေရိကနှင့် ဥရောပရှိ ဖောက်သည်များအား အတိုင်ပင်ခံ၊ ဗိသုကာပညာနှင့် အလေ့အကျင့် ဖွံ့ဖြိုးတိုးတက်ရေး ဝန်ဆောင်မှုများကို ပေးဆောင်ပါသည်။ ကျွန်ုပ်၏အကြံပြုချက်များသည် သင့်လုပ်ငန်းကို မည်သို့ကူညီပေးနိုင်သည်ကို ဆွေးနွေးလိုပါက၊ ကျွန်ုပ်ထံမှတဆင့် ဆက်သွယ်ပါ။ LinkedIn တို့.

source: www.habr.com

မှတ်ချက် Add